Модуль: tf.compat.v1.nn

Общедоступный API для пространства имен tf._api.v2.nn

Модули

experimental модуль: Общедоступный API для пространства имен tf._api.v2.nn.experimental

rnn_cell модуль

Функции

all_candidate_sampler(...): Сгенерировать множество всех классов.

approx_max_k(...): Возвращает приблизительно максимум k значений и их индексов входного operand.

approx_min_k(...): Возвращает приблизительно минимум k значений и их индексов входного operand.

atrous_conv2d(...): Атропное свёртывание (а.к.а. свёртывание с отверстиями или свёртывание с расширением).

atrous_conv2d_transpose(...): Транспонированное atrous_conv2d.

avg_pool(...): Выполняет усредняющее пуллинг на входе.

avg_pool1d(...): Выполняет усредняющее пуллинг на входе.

avg_pool2d(...): Выполняет усредняющее пуллинг на входе.

avg_pool3d(...): Выполняет усредняющее пуллинг на входе.

avg_pool_v2(...): Выполняет усредняющий пуллинг на входе.

batch_norm_with_global_normalization(...): Нормализация по батчам.

batch_normalization(...): Нормализация по батчам.

bias_add(...): Добавляет bias к value.

bidirectional_dynamic_rnn(...): Создаёт динамическую версию двунаправленной рекуррентной нейронной сети. (устарело)

collapse_repeated(...): Объединить повторяющиеся метки в одну метку.

compute_accidental_hits(...): Вычислить идентификаторы позиций в sampled_candidates, соответствующие true_classes.

compute_average_loss(...): Масштабирует потери для каждого примера с помощью весов `sample_weights` и вычисляет их среднее значение.

conv1d(...): Вычисляет одномерное свёртывание входных данных с рангом >=3 и фильтром 3-D. (устаревшие значения аргументов) (устаревшие значения аргументов)

conv1d_transpose(...): Транспонированное conv1d.

conv2d(...): Вычисляет двумерное свёртывание, заданное 4-мерными input и filter тензорами.

conv2d_backprop_filter(...): Вычисляет градиенты свёртки относительно фильтра.

conv2d_backprop_input(...): Вычисляет градиенты свёртки относительно входных данных.

conv2d_transpose(...): Транспонированное conv2d.

conv3d(...): Вычисляет трёхмерное свёртывание, заданное 5-мерными input и filter тензорами.

conv3d_backprop_filter(...): Вычисляет градиенты 3-мерного свёртывания относительно фильтра.

conv3d_backprop_filter_v2(...): Вычисляет градиенты 3-мерного свёртывания относительно фильтра.

conv3d_transpose(...): Транспонированное conv3d.

conv_transpose(...): Транспонированное convolution.

convolution(...): Вычисляет суммы N-мерных свёртки (фактически взаимной корреляции).

crelu(...): Вычисляет соединённое ReLU.

ctc_beam_search_decoder(...): Выполняет декодирование с помощью поиска по лучшим траекториям на логах, заданных на входе.

ctc_beam_search_decoder_v2(...): Выполняет декодирование с помощью поиска по лучшим траекториям на логах, заданных на входе.

ctc_greedy_decoder(...): Выполняет жадное декодирование на логах, заданных на входе (лучший путь).

ctc_loss(...): Вычисляет потерю CTC (Connectionist Temporal Classification).

ctc_loss_v2(...): Вычисляет потерю CTC (Connectionist Temporal Classification).

ctc_unique_labels(...): Получить уникальные метки и индексы для меток в батчах для tf.nn.ctc_loss.

depth_to_space(...): DepthToSpace для тензоров типа T.

depthwise_conv2d(...): Двухмерное свёртывание с глубиной.

depthwise_conv2d_backprop_filter(...): Вычисляет градиенты свёртки с глубиной относительно фильтра.

depthwise_conv2d_backprop_input(...): Вычисляет градиенты свёртки с глубиной относительно входа.

depthwise_conv2d_native(...): Вычисляет двумерное свёртывание с глубиной.

depthwise_conv2d_native_backprop_filter(...): Вычисляет градиенты свёртки с глубиной относительно фильтра.

depthwise_conv2d_native_backprop_input(...): Вычисляет градиенты свёртки с глубиной относительно входа.

dilation2d(...): Вычисляет градационное расширение 4-мерных input и 3-мерных filter тензоров.

dropout(...): Вычисляет dropout. (устаревшие аргументы)

dynamic_rnn(...): Создаёт рекуррентную нейронную сеть, заданную `RNNCell` cell. (устарело)

elu(...): Вычисляет экспоненциальную линейную функцию.

embedding_lookup(...): Ищет вложения для заданных ids из списка тензоров.

embedding_lookup_sparse(...): Ищет вложения для заданных идентификаторов и весов из списка тензоров.

erosion2d(...): Вычисляет градационную эрозию 4-мерных value и 3-мерных kernel тензоров.

fixed_unigram_candidate_sampler(...): Выбирает набор классов, используя предоставленное (фиксированное) базовое распределение.

fractional_avg_pool(...): Выполняет дробное усредняющее пуллинг на входе. (устарело)

fractional_max_pool(...): Выполняет дробный максимальный пуллинг на входе. (устарело)

fused_batch_norm(...): Нормализация по батчам.

in_top_k(...): Указывает, находятся ли цели в верхней K предсказаниях.

l2_loss(...): Потеря L2.

l2_normalize(...): Нормализует по размеру axis, используя L2 норму. (устаревшие аргументы)

leaky_relu(...): Вычислить функцию активации Leaky ReLU.

learned_unigram_candidate_sampler(...): Выбирает набор классов из распределения, обученного во время обучения.

local_response_normalization(...): Локальная нормализация по отклику.

log_poisson_loss(...): Вычисляет логарифмическую потерю Пуассона, заданную log_input.

log_softmax(...): Вычисляет логарифмически-максимальную активацию softmax. (устаревшие аргументы)

log_uniform_candidate_sampler(...): Выбирает набор классов, используя логарифмически-равномерное (Zipfian) базовое распределение.

lrn(...): Локальная нормализация по отклику.

max_pool(...): Выполняет максимальный пуллинг на входе.

max_pool1d(...): Выполняет максимальный пуллинг на входе.

max_pool2d(...): Выполняет максимальный пуллинг на двумерных пространственных данных, таких как изображения.

max_pool3d(...): Выполняет максимальный пуллинг на входе.

max_pool_v2(...): Выполняет максимальный пуллинг на входе.

max_pool_with_argmax(...): Выполняет максимальный пуллинг на входе и выводит как максимальные значения, так и индексы.

moments(...): Вычислить среднее и дисперсию x.

nce_loss(...): Вычисляет и возвращает обучающую потерю оценки шума-контраста.

normalize_moments(...): Вычислить среднее и дисперсию на основе достаточных статистик.

pool(...): Выполняет N-мерную операцию пуллинга.

quantized_avg_pool(...): Создаёт усреднённый пуллинг входного тензора для квантованных типов.

quantized_conv2d(...): Вычисляет двумерное свёртывание, заданное квантованными 4-мерными входными и фильтрационными тензорами.

quantized_max_pool(...): Создаёт максимальный пуллинг входного тензора для квантованных типов.

quantized_relu_x(...): Вычисляет квантованное выпрямленное линейное X: min(max(features, 0), max_value)

raw_rnn(...): Создаёт RNN, заданный `RNNCell` cell и функцией цикла loop_fn.

relu(...): Вычисляет выпрямленную линейную функцию: max(features, 0).

relu6(...): Вычисляет Rectified Linear 6: min(max(features, 0), 6).

relu_layer(...): Вычисляет Relu(x * weight + biases).

safe_embedding_lookup_sparse(...): Поиск результатов вложения, учитывая недействительные идентификаторы и пустые функции.

sampled_softmax_loss(...): Вычисляет и возвращает выборочную потерю обучения softmax.

scale_regularization_loss(...): Масштабирует сумму заданных потерь регуляризации на число реплик.

selu(...): Вычисляет масштабированную экспоненциальную линейную функцию: scale * alpha * (exp(features) - 1)

separable_conv2d(...): 2-мерная свёртка с разделительными фильтрами.

sigmoid(...): Вычисляет сигмоиду x поэлементно.

sigmoid_cross_entropy_with_logits(...): Вычисляет перекрёстную энтропию сигмоиды с учётом logits.

silu(...): Вычисляет функцию активации SiLU или Swish: x * sigmoid(beta * x).

softmax(...): Вычисляет активации softmax.

softmax_cross_entropy_with_logits(...): Вычисляет перекрёстную энтропию softmax между logits и labels. (устарело)

softmax_cross_entropy_with_logits_v2(...): Вычисляет перекрёстную энтропию softmax между logits и labels. (устаревшие аргументы)

softplus(...): Вычисляет поэлементно softplus: softplus(x) = log(exp(x) + 1).

softsign(...): Вычисляет softsign: features / (abs(features) + 1).

space_to_batch(...): SpaceToBatch для 4-мерных тензоров типа T.

space_to_depth(...): SpaceToDepth для тензоров типа T.

sparse_softmax_cross_entropy_with_logits(...): Вычисляет перекрёстную энтропию sparse softmax между logits и labels.

static_bidirectional_rnn(...): Создаёт двунаправленную рекуррентную нейронную сеть. (устарело)

static_rnn(...): Создаёт рекуррентную нейронную сеть, заданную RNNCell cell. (устарело)

static_state_saving_rnn(...): RNN, принимающий сохранятель состояния для усечённого по времени вычисления RNN. (устарело)

sufficient_statistics(...): Вычисляет достаточные статистики для среднего и дисперсии x.

swish(...): Вычисляет функцию активации SiLU или Swish: x * sigmoid(beta * x).

tanh(...): Вычисляет гиперболический тангенс x поэлементно.

top_k(...): Находит значения и индексы k наибольших элементов для последнего измерения.

uniform_candidate_sampler(...): Выбирает набор классов с помощью равномерного базового распределения.

weighted_cross_entropy_with_logits(...): Вычисляет взвешенную перекрёстную энтропию. (устаревшие аргументы)

weighted_moments(...): Возвращает среднее и дисперсию x с весами частот.

with_space_to_batch(...): Выполняет op на представлении пространства-в-пакеты input.

xw_plus_b(...): Вычисляет matmul(x, weights) + biases.

zero_fraction(...): Возвращает долю нулей в value.